福州大学学报（自然科学版）
福州大學學報（自然科學版）
복주대학학보（자연과학판）
JOURNAL OF FUZHOU UNIVERSITY(NATURAL SCIENCE EDITION)
2014年
2期
277-281
,共5页
林乃昌%杨晓翔%林文剑%朱志彬
林迺昌%楊曉翔%林文劍%硃誌彬
림내창%양효상%림문검%주지빈
超声衍射时差法%核主元分析%微粒群算法%支持向量机
超聲衍射時差法%覈主元分析%微粒群算法%支持嚮量機
초성연사시차법%핵주원분석%미립군산법%지지향량궤
time of flight diffraction%kernel principal component analysis%particle swarm optimization%support vector machine
针对TOFD D扫描图像缺陷提出一种新的缺陷识别方法.该方法首先采用KPCA(核主元分析算法)进行特征提取,并采用微粒群算法(pSO)自动优化核参数δ,最后用SVM分类器完成特征识别.在134幅TOFD缺陷图像中,分别采用(PCA+ SVM)、(KPCA+ SVM)和(PSO-KPCA+ SVM)三种方法进行试验,试验结果表明,所提出的方法识别正确率更高.
針對TOFD D掃描圖像缺陷提齣一種新的缺陷識彆方法.該方法首先採用KPCA(覈主元分析算法)進行特徵提取,併採用微粒群算法(pSO)自動優化覈參數δ,最後用SVM分類器完成特徵識彆.在134幅TOFD缺陷圖像中,分彆採用(PCA+ SVM)、(KPCA+ SVM)和(PSO-KPCA+ SVM)三種方法進行試驗,試驗結果錶明,所提齣的方法識彆正確率更高.
침대TOFD D소묘도상결함제출일충신적결함식별방법.해방법수선채용KPCA(핵주원분석산법)진행특정제취,병채용미립군산법(pSO)자동우화핵삼수δ,최후용SVM분류기완성특정식별.재134폭TOFD결함도상중,분별채용(PCA+ SVM)、(KPCA+ SVM)화(PSO-KPCA+ SVM)삼충방법진행시험,시험결과표명,소제출적방법식별정학솔경고.
